基于Borda序值和RBF神经网络的知识链风险预警

杨翠兰

（西南科技大学 经济管理学院，四川绵阳621000）

在知识经济时代，组织在市场竞争中成功与否主要取决于它拥有的知识和运用知识的创新能力，取决于它是否善于进行知识管理。由于组织自身能够拥有和开发的知识是有限的，为了实现战略发展目标，必须整合组织外部的知识，知识链也就运用而生。所谓知识链，是指由两个或两个以上的拥有不同知识资源的组织构成，以实现知识转移、共享和创造为目的，通过知识在参与创新活动的不同组织之间流动而形成的链式结构。参与知识链的组织包括核心企业（盟主）、大学、科研院所、供应商、经销商、客户甚至竞争对手。知识链是企业与供应商、客户、大学、科研院所甚至竞争对手所建立的一种战略合作伙伴关系，由组织之间通过知识转移、知识共享、知识创造等互动活动而形成[1]。

作为一种合作组织，知识链不像其它非合作组织一样对自身的经营有较强的约束力；同时，随着竞争的加剧，知识链的范围越来越广，成员数量越来越多，彼此之间的关系越来越复杂；加之知识本身具有的复杂性、隐含性、模糊性、难以量化性等特征，知识链面临着众多风险[2]。评估这些风险，并根据评估结果对知识链风险进行有效预警，已成为需要解决的主要问题之一。

1 知识链风险的概念及种类

知识链风险是指由于知识链外部环境的不确定性、一般合作组织的特性和知识自身的特性等因素而导致知识不能在知识链成员组织间有效流动、共享和创造，从而导致知识链成员组织发生损失的可能性。根据知识链风险是否可以由知识链组织控制，将知识链风险分为不可控风险和可控风险。不可控风险是指超过知识链成员组织的能力范围，不以成员组织意志为转移的风险，这类风险主要包括自然环境风险、经济环境风险、法律环境风险、技术环境风险、社会环境风险、政治风险和社会风险等。由于这类风险不可由知识链组织控制，不是风险管理的重点，本文也不对不可控风险进行预警。可控风险是指知识链成员组织可采取适当的措施进行转移、减轻和消除的风险。根据可控风险产生的影响因素，可将可控风险分为由一般合作组织特性引起的风险和由知识本身的特性引起的风险。其中，由一般合作组织特性引起的风险有机遇识别风险、动机差异风险、有限信息风险、风险差异风险、道德风险、信息风险、资金风险、契约修改风险、违约风险、分配不均风险等10种；由知识本身特性引起的风险有知识实时传播风险、知识转移能力风险、知识吸收能力风险、丧失核心知识风险等4种。

知识链的各种风险如图1所示[3～7］。

2 基于Borda序值的知识链风险评估

为了确定知识链中各种风险对知识链可否成功运作的影响程度的大小，首先构建知识链风险矩阵，将各种风险分为高、中、低三个等级；然后再用Borda序值法对各种风险的影响程度进行排序。

图1 知识链风险

2.1 知识链风险矩阵

风险矩阵是美国空军电子系统中心的采办工程小组于1995年4月提出的。该方法首先识别项目中可能存在的各种风险；然后评估风险对项目的潜在影响程度，计算风险发生的概率，根据预定标准评定风险等级；最后采取措施降低风险[8]。本文构建的风险矩阵主要由4栏构成，它们分别是“风险”栏、“风险影响”栏、“风险概率”栏、和“风险等级”栏，风险矩阵样例如表1所示。

表1 风险矩阵样例

其中，“风险”栏列出了各种风险的名称；“风险影响”栏（记为I）描述各种风险影响的大小，有关键、严重、一般、微小和可忽略五个等级；“风险概率”栏（记为P）描述各种风险发生的概率，有 1～10%、11～40%、41～60%、61～90%和91～100%五种可能；风险等级栏（记为R）。根据对应的I、P值和风险等级对照表2确定各种风险的等级［9］。

表2 风险等级对照表

本文对各种风险“风险影响”和“风险概率”值的确定采用的是问卷和面谈相结合的调查方法，调查是在3所研究院和3所高校中进行的，调查的专家一共有23人，发出问卷23份，收回22份，其中有效问卷20份。对照表2，获得知识链风险矩阵如表3所示。

2.2 Borda序值对知识链风险矩阵的完善

表3所示的风险矩阵只给出了三个直观的风险等级（高、中、低），并产生出一些风险结，风险结是处于同一等级还可以继续细分的风险模块）。如属于高风险等级的道德风险、分配不均风险和知识转移能力风险3个风险结；为了将各种风险区分的更加详细，需要引入Borda序值法，将风险按照重要程度进行排序[10]。

表3 知识链风险矩阵

设N为风险总个数，i为某一个特定风险，k表示某一准则。风险矩阵中只有两个准则：用k＝1表示风险影响I，k=2表示风险概率P。rik表示风险i在准则k下的风险等级，风险i的Borda值可由公式（1）给出

由公式（1）可计算出知识链风险的Borda值，如表4中的“Borda值”栏，算出各风险因素的Borda值后，就可以根据Borda序值的定义算出各种风险的Borda序值，其中Borda序值是表示比某一特定风险重要的风险的数目。如“道德风险”的Borda序值是0，说明没有比“道德风险”更重要的风险[11]。知识链风险的Borda序值如表4中的“Borda序值”栏。

由Borda序值可知，知识链风险中最重要的风险是道德风险和知识吸收能力风险；其次是知识实时传播风险和知识转移能力风险；第三重要的风险是分配不均风险和信任风险；由于知识链中存在众多风险，Borda序值法不能将各种不同风险的重要程度一一区分开来，但Borda序值法有效降低了风险结的数量，为知识链风险管理提供了更加具体指导。

3 基于RBF神经网络的知识链风险预警

知识链中风险众多，且各种风险对知识链的影响程度不尽相同，如果不对它们加以区分，所有风险都一视同仁的列入风险预警系统，即会增加风险预警系统的复杂程度，又会分散知识链成员组织的能力和资源，影响预警系统的准确性。因此，根据表4所示的知识链中各种风险重要程度的不同，将知识链风险分为两大模块，第一模块由Borda序值为“0”、“1”、“2”的6种重要风险组成，该模块对知识链成功运作与否产生较大的影响；第二模块由剩余8风险构成，它们对知识链成功运作产生的影响相对较小。因此，可以分别对这两大模块风险建立各自的风险预警系统，以便有效利用知识链资源和能力，提高风险预警的准确性。本文以第一模块风险为例，建立基于RBF神经网络的知识链风险预警机制。

3.1 RBF网络模型的结构及原理

RBF径向基神经网络是一种三层前向网络，其结构如图2所示。

第一层是输入层，由信号源结点xp(p=1,2,…,n)组成；第二层是隐含层，其节点基函数是一种局部分布的、对中心径向对称衰减的非负非线性函数，它对网络的输入做出直接非线性映射，隐含层节点的多少视具体问题而定；第三层为输出层yq(q=1,2,…,m)，对输入模式的作用做出响应，神经元采用线性传递函数，它对隐含层的输出采用加权线性求和的映射模式，使得网络的收敛速度很快。从输入层空间到隐含层空间的交换是非线性的，而从隐含层到输出层空间的交换是线性的。

最常用的径向基函数是高斯函数：

其中，x是n维输入向量；xi是第i个基函数的中心，与x具有相同维数的向量；σi是第i个感知的变量，它决定了该基函数围绕中心点的宽度；m是感知单元的个数，它决定了该基函数围绕中心点的宽度；‖x-xi‖是向量x-xi的范数，它表示x和xi之间的距离。Ri(x)在xi处有一个唯一的最大值，随着‖x-xi‖的增大，Ri(x)迅速减到零。对于给定的输入x，只有一小部分靠近x的被激活。

从图2可以看出，输入层实现了从x到Ri(x)的非线性映射，输出层实现了从Ri(x)到yk的线性映射，即：

图2 径向基神经网络结构

其中，p是输出层节点数；wik是隐含与输出层的连接权值；i是隐层节点；k是输出层节点［12］。

表5 各类神经网络性能对比

值得指出的是，由于RBF网络的权值算法是单层进行的，其工作原理采用的是聚类功能，由训练得到输入数据的聚类中心，通过б值来调节基函数的灵敏度，虽然网络结构看上去是全连结的，实际工作时网络是局部工作的，即对输入的一组数据，网络只有一个神经元被激活，其它神经元被激活的程度可忽略。所以，RBF网络是一个局部逼近网络，这使得它的训练速度要比其它神经网络快得多。表5是各类神经网络的性能对比［13］。

3.2 基于RBF神经网络的知识链风险预警

指标预警方法是传统预警方法的基础，也是最常用的预警方法，图3为指标预警方法示意图。知识链风险预警系统可视为一个包含输入层、隐含层和输出层的三层前向式神经网络，是一个从“警兆指标”到“警情”再到“警度”的映射函数逼近过程，是一个优化过程，这些正是RBF最擅长的领域。从图3可见，RBF网络与预警系统十分相似，输入量对应“警兆指标”，隐含层对应“警情”，输出层对应“警度”。所以，RBF网络非常适合于知识链风险预警。

图3 指标预警示意图

本文采用问卷和面谈相结合方法邀请专家对知识链中第一模块风险，即道德风险、知识吸收能力风险、知识实时传播风险、知识转移能力风险、分配不均风险和信任风险进行评估，分别评估它们给知识链可否成功运作带来的影响，用1.0、0.7、0.5、0.3、0.1等5个数字来表示，其中，0表示不会对知识链造成影响，1表示给知识链造成100%的影响，即知识链会解体。此次专家打分法一共邀请了17位专家，他们分别来自6所研究院，打分情况如表6。

表6中，r1-r6分别代表道德风险、知识吸收能力风险、知识实时传播风险、知识转移能力风险、分配不均风险和信任风险；D代表对知识链的影响程度；第一行中的数字1－17代表专家打分的次数；表6中其它数据是专家打分结果。

采用matlab中的newrb函数设计一个径向基网络，输入为专家对6种风险的发生概率的打分结果矩阵，矩阵维数为6×15（剩余两次打分结果用来对训练后的网络进行仿真），输出为专家对6种风险发以某种特定概率发生后对知识链影响程度的打分结果矩阵，矩阵维数为1×15。由于网络具有自动增加径向基网络隐层直到均方差满足为止，所以，只需对newrb函数中的均方差GOAL和径向基函数分布SPREAD进行反复调试。初始设定GOAL＝0.01，SPREAD＝1，分别观察各次训练结果，最终当GOAL＝0.0000001，SPREAD＝0.54时，训练结果和期望输出结果非常接近，如表7所示。

对训练好的网络用matlab中的工具函数sim进行仿真，用剩余的两组数据进行测试，自动生成的测试结果如表8所示。

表6 风险影响程度专家打分汇总

表7 RBF网络训练结果与期望结果

表8 RBF网络测试结果与期望结果

从表8可以看出，采用RBF神经网络，可以对知识链风险进行实时预警。具体做法如下：首先定期请专家对知识链中第一模块的风险发生的概率进行评估；然后，将评估结果应用已训练好的RBF网络和matlab中的工具函数sim进行仿真（像对16、17组数据的测试一样，可以得出总的风险结果），根据自动生成的仿真结果对当前知识链整体的风险进行评估，决定是否加强风险控制和如何进行风险控制，从而有效防控知识链风险，维持知识链的正常运行。同样，也可以定期对第二模块的风险进行预警和控制，但为了节省知识链成员组织的资源和提高风险预警的效率，第一模块的风险和第二模块的风险的评估频率和关注程度有所不同。

4 结论

风险是知识链的一个固有属性，如何对知识链风险进行有效测评与预警是知识链风险管理的一项重要任务，应根据各种风险重要程度的不同，对风险进行分类，并根据分类情况采取不同的风险预警方法，这样有助于有效利用知识链资源和提高知识链风险预警的效率。基于RBF神经网络的风险预警是一种行之有效的风险预方法，它可以根据专家对各种风险的评估结果，计算出知识链整体的风险状况，从而指导知识链成员组织的合作行为，有效维护知识链的正常运行。

[1]顾新，郭耀煌，李久平.社会资本及其在知识链中的作用[J].科研管理，2003，24（5）.

[2]Paik，Yongsun.Risk Management of Strategic Alliances and Acquisitions between Western MNCs and Companies in Central Europe[J].Thunderbird International Business Review，2005，47（4）.

[3]Lau,Henry C.W,Wong,Eric T.Partner Selection and Information Infrastructure of a Virtual Enterprise Network[J].International Journal of Computer Integrated Manufacturing，2001，14（2）.

[4]Zhou，Q，Besant，C.B.Information Management in Production Planning for a Virtual Enterprise[J].International Journal of Production Research，1999，37（1）.

[5]Park S H,G R Ungson.The Effect of National Culture,Organizational Complement aritity,and Economic Motivation on Joint Venture Dissolution[J].Acad Management,1997,(40).

[6]Ouzizi，Latifa.A Model for Cooperative Planning within a Virtual Enterprise[J].International Journal of Computer Integrated Manufacturing，2006，19（3）.

[7]Marshall，R.Scott.Nguyen，Thang V.Bryant，Scott E.A Dynamic Model of Trust Development and Knowledge Sharing in Strategic Alliances[J].Journal of General Management，2005，31（1）.

[8]党兴华，黄正超，赵巧艳.基于风险矩阵的风险投资项目风险评估[J].科技进步与对策，2006,（1）.

[9]朱启超，匡兴华，沈永平.风险矩阵方法与应用述评[J].中国工程科学，2003，5（1）.

[10]许晓东,吴松,路小刚.简单多数票法和Borda法的防策略性分析[J].华中科技大学学报（自然科学版），2005，33（11）.

[11]王晓敏，胡毓达.群体决策的模糊Borda数规则[J].系统工程理论方法应用，2003，12（1）.

[12]张毅，彭毓.RBF神经网络在工程项目自然风险预测中的应用[J].建筑技术开发，2005，32(5).

[13]张美恋，王秀珍.基于径向基神经网络的商业银行风险预警系统研究[J].集美大学学报，2005，10（3）.